شارك
الرئيسية
2 دقائق 
سياق الخبر
تُظهر الدراسات أنه عندما يعمل البشر وأنظمة الذكاء الاصطناعي معاً، يمكنهما التفوق على أداء أي منهما بمفرده. غالباً ما يُشرف الأطباء البشريون على أنظمة التشخيص الطبي، كما تقوم أنظمة الرقابة على المحتوى بتصفية ما تستطيع من المنشورات قبل طلب المساعدة البشرية. ولكن نادراً ما يتم تصميم الخوارزميات لأَمثَلة عملية نقل المسؤولية من الذكاء الاصطناعي إلى الإنسان. وإذا ما تم تطويرها لتحقيق هذه الغاية، فإن نظام الذكاء الاصطناعي لن يحيل العمل إلى نظيره البشري إلا إذا كان بإمكان الشخص بالفعل اتخاذ قرار أفضل.
تفاصيل البحث
قام باحثون في مختبر علوم الحاسوب والذكاء الاصطناعي (CSAIL) في إم آي تي مؤخراً بتطوير نظام ذكاء اصطناعي لإنجاز هذا النوع من الأَمثَلة بناءً على نقاط القوة والضعف لدى الشريك البشري. ويستخدم هذا النظام نموذجين منفصلين للتعلم الآلي؛ أحدهما يتخذ القرار الفعلي، سواء كان ذلك تشخيص المريض أو إزالة منشور على وسائل التواصل الاجتماعي، أما النموذج الآخر فيتنبأ بما إذا كان الذكاء الاصطناعي أو الإنسان هو صانع القرار الأفضل.
ويقوم النموذج الثاني، الذي يسميه الباحثون “الرافض”، بتحسين تنبؤاته بشكل متكرر استناداً إلى سجل نجاحات كل صانع قرار بمرور الوقت. كما يستطيع أن يأخذ في الاعتبار عوامل أخرى بالإضافة إلى الأداء، بما في ذلك قيود انشغال الشخص أو وصول الطبيب إلى معلومات المريض الحساسة غير المتاحة لنظام الذكاء الاصطناعي.
النتائج
اختبر الباحثون الطريقة الهجينة بين الإنسان والذكاء الاصطناعي في مجموعة متنوعة من السيناريوهات، بما في ذلك مهام التعرف على الصور واكتشاف الخطاب الذي يحضّ على الكراهية. وقد تمكن نظام الذكاء الاصطناعي من التكيف مع سلوك الخبراء وإحالة القرار إليهم عندما كان ذلك مناسباً، مما سمح لصانَعي القرار الاثنين بالوصول بسرعة إلى مستوى مشترك من الدقة أعلى من الطريقة الهجينة السابقة بين الإنسان والذكاء الاصطناعي.
اقرأ أيضا: لماذا يستمتع الناس بالتسوق؟
حالة استخدام واقعية
في حين أن هذه التجارب لا تزال بسيطة نسبياً، يعتقد الباحثون أنه من الممكن تطبيق هذه الطريقة في نهاية المطاف على القرارات المعقدة في مجال الرعاية الصحية وغيرها. وعلى سبيل المثال، لنأخذ نظام ذكاء اصطناعي يساعد الأطباء على وصف المضاد الحيوي المناسب. فعلى الرغم من أن المضادات الحيوية واسعة النطاق تتسم بفعاليتها العالية، إلا أن الإفراط في استخدامها يمكن أن يؤدي إلى نشوء مقاومة لها. ومن ناحية أخرى، لا تتسبب مضادات حيوية معينة بهذه المشكلة ولكن يجب استخدامها فقط إذا كانت تملك احتمالاً كبيراً في النجاح. وبالنظر إلى هذه المقايضة، يمكن أن يتعلم نظام الذكاء الاصطناعي أن يتكيف مع أطباء مختلفين يتسمون بتحيزات مختلفة في وصفاتهم، وبالتالي يتعلم تصحيح ميلهم إلى الإفراط في وصف المضادات الحيوية واسعة النطاق أو التقليل من وصفها.